基于Q学习的异构无线网络动态切换策略

提出了一种基于Q学习的动态切换策略,用于最大化用户体验(Qo E)。基于Q学习的动态切换策略选择最佳网络,不仅利用当前网络状态还利用了未来网络状态和用户终端状态。不同于其他动态规划算法,该算法不需要获取无线网络环境的信息,而是通过利用用户终端过去经验来学习最优策略。仿真结果显示,该动态切换策略能以较少网络间切换次数来接近甲骨文优化算法性能,从而使用户体验得到更优质的网络音频服务。

基于QoS的负载均衡策略接纳控制算法研究

介绍了一种新的接纳控制算法,能优先满足用户的服务质量,并减小网络的阻塞情况,使用户与网络的共同利益得到最优。仿真结果表明,该算法可保持各网络的负载均衡、减少掉话率,从而达到较好的用户满意度。

基于蚁群算法的OFDMA系统接纳控制

由于接纳控制算法的优劣关系到网络资源能否被有效利用。文中提出了一种新的OFDMA系统的接纳控制算法。结合蚁群算法对用户需要的的总传输功率进行计算,并通过该功率对用户进行接纳控制。仿真结果表明,文中所提算法可使系统的总传输功率减小,增加用户的可接入数量,达到资源有效利用的目的。

网络收益最大化的异构无线网络呼叫接纳控制

为有效降低异构无线网络拥塞,提高网络收益,提出了网络收益最大化的呼叫接纳控制(Call Admission Control,CAC)算法。首先模拟异构无线网络场景,考虑网络带宽及时延参数,定义网络收益函数,其次解决网络收益最优化问题。仿真结果显示,该算法可以高效地降低网络拥塞,均衡负载并提高网络收益。